FailureGen:利用Cosmos世界模型生成机器人失败数据
热点事件持续更新
FailureGen:利用Cosmos世界模型生成机器人失败数据
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Akul Santhosh 等研究者提出 FailureGen 方法(arXiv:2611.22367):通过复用已记录机器人失败的动作轨迹,微调 Cosmos 世界模型,生成带时序事件标注的合成失败视频,包含微调、标注、运动迁移和过滤四个阶段,以扩充机器人失败研究的数据供给。 在初步对比中,用真实加生成数据训练的失败检测器平均精度达 0.51,仅用真实数据为 0.41;36 个失败区间中检出 33 个,仅用真实数据为 28 个。该结果为初步对比,研究者测试了两种不同任务和机器人配置的实现,视觉失败检测是其中一个下游应用。
AI 根据报道生成 · 58 分钟前更新
最新进展11月18日 13:00
FailureGen:用 Cosmos 世界模型可扩展生成机器人失败数据报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AIFailureGen:用 Cosmos 世界模型可扩展生成机器人失败数据
FailureGen 是一种通过复用已记录失败的动作轨迹、用世界模型生成带时序事件标注的合成失败视频的方法,包含微调动作条件 Cosmos 世界模型、标注、运动迁移和过滤四个阶段。在初步对比中,用真实加生成数据训练的失败检测器平均精度达 0.51(仅用真实数据为 0.41),36 个失败区间检出 33 个(真实数据为 28 个)。该方法可扩充机器人失败研究的数据供给。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。